Python子进程中全局变量不共享，因每个进程有独立内存空间，fork时仅复制初始值，后续修改互不影响；multiprocessing模块的Manager或Value等提供IPC机制而非真正共享全局变量。
Python 子进程中全局变量不共享。这是由操作系统进程模型决定的——每个进程拥有独立的内存空间，子进程是父进程的副本，启动时会复制父进程的整个内存状态（包括全局变量），但之后两者完全隔离。
fork 机制导致变量“复制而非共享”
在 Unix/Linux 系统中，os.fork() 或 multiprocessing.Process 启动子进程时，底层调用 fork() 系统调用。它创建一个与父进程内存布局一致的新进程，但物理内存页在写入时才实际复制（写时复制，Copy-on-Write）。这意味着：
- 子进程启动时，全局变量值和父进程相同，但只是初始快照
- 子进程中修改全局变量，不会影响父进程；反之亦然
- 即使变量是可变对象（如列表、字典），修改其内容也只作用于当前进程的副本
multiprocessing 模块中的常见误解
很多人误以为 multiprocessing.Manager() 或 multiprocessing.Value/Array 是“共享全局变量”，其实它们不是让全局变量本身共享，而是提供跨进程通信（IPC）机制：
-
Manager().dict()返回的是代理对象，读写会通过进程间通信同步到管理进程 -
Value('i', 0)底层使用共享内存（如 mmap），需显式传递给子进程，不能靠“全局访问”生效 - 直接在子进程中引用模块级全局变量，访问的是该进程内独立的一份副本
验证示例
以下代码清晰展示行为：
立即学习“Python免费学习笔记（深入）”；
import multiprocessing
import time
<p>counter = 100 # 全局变量</p><p>def worker():
global counter
print(f"[子进程] 初始 counter = {counter}") # 输出 100
counter += 1
print(f"[子进程] 修改后 counter = {counter}") # 输出 101</p><p>if <strong>name</strong> == '<strong>main</strong>':
p = multiprocessing.Process(target=worker)
p.start()
p.join()
print(f"[主进程] 子进程结束后 counter = {counter}") # 仍输出 100</p>输出结果证实：子进程对 counter 的修改未反映到主进程。
